拟合优度检验是统计学中一个非常重要的基本问题。常见的检验方法主要有两大类，一是X2型检验；另一是基于经验分布函数的检验。近期发现，这类检验中的绝大部分都可以归纳成两种统一的形式，分别称为上界型检验和积分型检验，不同之处在于参数λ和权函数g(x)的选取。本文将该类检验称为广义非参似然比检验。最常用的一些检验方法，如Cramer-Von Mises检验，Kolmogorov-Smirnov检验，Anderson—Darling检验等都属于该类检验。到目前为止，对该类检验，仅在λ=1时有较完整的研究；在λ=0，－1时，仪当权函数q≡1时，有部分理论研究。　　 本文比较系统地研究广义非参数似然比检验，讨论了任意参数λ和满足一定条件的权函数g(x)所对应的上界型和积分型两种检验的性质。具体如下。　　 简单假设情况，在零假设成立时，导出了简单上界型统计量的精确分布和简单积分型统计量的精确展开，分别给出了上界型统计量和积分型统计量的渐近分布；研究了这两种检验的局部渐近功效，并证明了它们在固定对立假设下的强相合性。　　 复合假设情况，检验统计量中含有参数估计，本文也导出了这两种检验统计量在零假设成立时的渐近分布。　　 在若干固定对立假设下，对检验的功效进行了模拟研究。结果显示：一般地说，对给定的权函数q(x)，使检验统计量取值越大的参数λ所对应的检验越优。这在一定程度上为寻找较优的检验提供了较为明确的方向。从整体上看，积分型检验要优于上界型检验，前者的功效较高，而且计算速度较快。